異常點云干擾下的車身構件魯棒性配準方法

摘要： 點云配準是大型車身構件位姿參數(shù)測量的關鍵方法，但現(xiàn)有算法在大量異常點云干擾下難以配準至有效位姿，從而導致匹配失真，進而無法保證后續(xù)機器人作業(yè)質量。針對此問題，提出一種能夠有效抑制異常點云干擾的車身構件魯棒性配準算法——魯棒函數(shù)加權方差最小化(RFWVM)算法。建立魯棒函數(shù)加權目標函數(shù)，通過施加隨迭代次數(shù)可變的動態(tài)權重來抑制配準過程中異常點云的影響，并由高斯-牛頓法迭代完成剛性轉... （共12頁）